从YOLO v1以来，由于算法的不断更进，YOLOv3的效果已经很令人惊讶了。既然有“巨人的肩膀”，那就可以利用yolo v3做一些应用。
前几个月，博主所读的学校正进行AI化，比如可以提前在网页上看到每个食堂就餐或者排队的人数，刷脸可以进校门等等。
当时被妹子问道：“学校怎么知道每个食堂有多少人呢？”
我以专(zhuang)业(bi)的AI学识进行了一通分析：在食堂某个视角好的位置装上摄像头，用基于深度学习的检测网络便可以检测出有多少人。
后来，学校技术人员专门回复了一下这个技术要点：其实我们是通过手机的连网人数判断食堂人数的。因为不是每个同学吃饭都会连校园网，所以会乘以一个比例系数。。。。
原来是这么粗暴简单的做法。。
为了证明CV也可以进行人数统计，所以我开始进行了这方面的探(jie)究(jian)。
所以，把yolo3的代码进行了些许包装，并没有涉及DNN的修改(所以还是属于低端操作，图个乐)。
1. 把分类不为person的输出框都去掉，这样就只检测人了。
2. 加一个计数器，这样就完成了人数统计。
实现效果如下：
由此看来，用这个算法来统计人数效果凑合，能指出个大概人数。但缺点还是很明显的：
1. 模型比较大，因为这个模型可以检测其他object，并不是专门检测human的，所以计算冗余度十分明显；
2. 对于复杂场景，人超过的情况下，表现力非常差。
所以，可以以这个为基准进行优化。
代码放在github: https://github.com/leviome/human_counter
用起来应该比较方便。